Zasebni podatki dvignili OpenFold3 na 52.1%

Modeli umetne inteligence se učijo iz primerov, zato njihova uspešnost praviloma narašča s količino relevantnih podatkov. To velja tako za napovedovanje interakcij med zdravilnimi učinkovinami in beljakovinami kot za prepoznavanje obrazov ali prevajanje besedil. Toda nekateri najdragocenejši podatki za razvoj zdravil ostajajo v zbirkah farmacevtskih družb in javno dostopnim sistemom umetne inteligence niso na voljo.

Konzorcij petih podjetij, AbbVie, Astex Pharmaceuticals, Bristol Myers Squibb, Johnson & Johnson in Takeda, je po lastnih navedbah našel način, kako model skupaj učiti na teh podatkih, ne da bi si podjetja razkrila svoje zbirke. Tako naučeni model je bil na internem preizkusu občutno uspešnejši od izhodišča, ki je uporabljalo le javne podatke. Vendar konzorcij ni objavil ne modela ne testnih podatkov, raziskava pa še ni prestala neodvisne strokovne presoje (Nature).

Kako učiti model brez združevanja podatkov

Za izhodišče so uporabili OpenFold3 Preview 2, odprtokodni sistem, ki napoveduje, kako se beljakovine in majhne molekule, podobne zdravilnim učinkovinam, skupaj razporedijo v tridimenzionalnem prostoru. Poenostavljeno povedano model napove obliko ključavnice in položaj, v katerem se ključ prilega vanjo (OpenFold3 repository).

Namesto da bi strukture vseh petih podjetij zbrali v skupni zbirki, je vsako podjetje svojo kopijo modela učilo lokalno. Osrednjemu koordinatorju so posredovali samo numerične prilagoditve, ki se jih je model naučil, ne pa izvornih molekularnih zapisov. Postopek je z odprtokodnim ogrodjem NVIDIA za federativno učenje vodilo berlinsko podjetje Apheris, laboratorij Mohammeda AlQuraishija na Columbia University pa je prispeval strokovno znanje o modelih. Konzorcij navaja, da je v petih ločenih informacijskih okoljih uporabljal 40 grafičnih procesorjev NVIDIA H100 (Apheris, Nature).

Izvorni podatki o strukturah so tako ostali za požarnimi zidovi posameznih podjetij. Konzorcij pa ni objavil formalnih dokazov, da iz izmenjanih prilagoditev modela ni mogoče razbrati informacij o učnih podatkih. Takšno razkritje je znano teoretično tveganje federativnega učenja.

Kaj so prispevale zasebne strukture

Konzorcij je model učil na 20.167 lastniških strukturah kompleksov beljakovin in zdravilnih učinkovin, nato pa ga preizkusil na ločenem zasebnem naboru 1.056 struktur (Apheris). Glavno merilo je pokazalo, kako pogosto se je napovedana razporeditev zdravilne učinkovine in beljakovine dobro ujemala z eksperimentalno ugotovljeno. Federativni model je visoko kakovost napovedi dosegel v 52,1 odstotka primerov, prvotni OpenFold3 v 35,6 odstotka, Boltz-2, še en vodilni odprti model, pa v 40,9 odstotka primerov (Apheris, Nature).

Kontrolni model, naučen samo na posodobljenih javnih podatkih, ni dosegel primerljivega izboljšanja. Konzorcij to razume kot dokaz, da zasebne strukture vsebujejo informacije za napovedovanje, ki jih javno dostopne zbirke ne zajemajo (Apheris).

Razlog je lahko v sestavi podatkov. Obsežna javna zbirka Protein Data Bank odraža predvsem izbor beljakovin, ki so jih proučevali akademski laboratoriji. Farmacevtske zbirke pa po navedbah konzorcija in zunanjih poznavalcev pogosteje vsebujejo sistematične serije iste tarče v kombinaciji s številnimi sorodnimi kandidati za zdravila. Prav takšne serije razkrivajo drobne razlike v vezavi, ki so pomembne pri načrtovanju učinkovin (Nature, C&EN). Federativni model je bil po navedbah konzorcija uspešnejši tudi od vsakega modela, naučenega samo na podatkih enega podjetja, kar podpira razlago, da je združevanje znanja iz več družb prineslo dodatno korist.

Česa neodvisni raziskovalci še ne morejo preveriti

Konzorcij raziskovalnega članka še ni predložil v objavo. Zunanjim raziskovalcem niso dostopni ne naučeni numerični parametri modela ne strukture iz preizkusnega nabora ali posamezne napovedi. Objavljeni niso niti intervali zaupanja niti statistični preizkusi, preizkusni nabor pa so sestavile in ovrednotile iste organizacije, ki so razvile sistem (Nature).

Omejitev je pomembna zaradi znane pasti pri vrednotenju takšnih modelov. Skupina PoseBusters je pokazala, da so lahko napovedi drugih modelov umetne inteligence na videz geometrijsko blizu referenčni strukturi, čeprav atome razporedijo na fizikalno nemogoč način, denimo z vezmi pod koti, ki se v resničnih molekulah ne pojavljajo (PoseBusters). Ali napovedi AISB prestanejo takšne preizkuse, za zdaj ni znano.

Uporabljeni preizkus meri, kako dobro model poustvari že znane, eksperimentalno ugotovljene razporeditve. Ne pokaže pa, ali pomaga odkrivati spojine, ki se v živem sistemu dejansko vežejo na izbrano tarčo in so obenem varne. Natančna napoved vezavne lege kemiku lahko pomaga pri izboru spojin za nadaljnje raziskave, vendar konzorcij ni predstavil nobenih rezultatov poznejših faz razvoja zdravil.

Projekt desetih podjetij MELLODDY je že pokazal, da lahko federativno učenje izboljša napovedovanje molekularnih lastnosti pri sodelovanju farmacevtskih konkurentov (MELLODDY). AISB je isti pristop prenesel na napovedovanje tridimenzionalnih struktur. Poročani napredek bo mogoče ustrezno presoditi šele po objavi strokovno pregledanega članka in dovolj podatkov, da bodo neodvisni raziskovalci preverili, ali se izboljšanje ohrani tudi zunaj preizkusov, ki jih nadzoruje konzorcij.